ANGEL FRANCISCO ARVELO LUJAN

Tamaño: px
Comenzar la demostración a partir de la página:

Download "ANGEL FRANCISCO ARVELO LUJAN"

Transcripción

1 ANGEL FRANCISCO ARVELO LUJAN es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 40 años de expereca e las más recoocdas uversdades del área metropoltaa de Caracas. Uversdad Católca Adrés Bello : Profesor Ttular Jublado 970 a 003 Uversdad Cetral de Veezuela: Profesor por Cocurso de Oposcó desde 993 al presete Uversdad Smó Bolívar: Profesor desde 005 al presete Uversdad Metropoltaa: Profesor desde 973 a 987 Uversdad Nacoal Aberta: Revsor de cotedos, desde 979 hasta 004 Sus datos persoales so : Lugar y Fecha de Nacmeto: Caracas, Correo electróco: agelf.arvelo@gmal.com Teléfoo: Estudos realzados: Igeero Idustral. UCAB Caracas 968 Máster e Estadístca Matemátca CIENES, Uversdad de Chle 97 Cursos de Especalzacó e Estadístca No Paramétrca Uversdad de Mchga 98 Doctorado e Gestó Tecológca: Uversdad Poltécca de Madrd 006 al Presete El Profesor Arvelo fue Drector de la Escuela de Igeería Idustral de la Uversdad Católca Adrés Bello ( ), Coordador de los Laboratoros de esa msma Uversdad especalzados e esayos de Caldad, Audtor de Caldad, y autor del lbro Capacdad de Procesos Idustrales UCAB 998. E umerosas oportudades, el Profesor Arvelo ha dctado cursos empresarales e el área de Estadístca Geeral y Cotrol Estadístco de Procesos. Ua mayor formacó puede ser obteda e la sguete pága web:

2 MEDIDAS DE TENDENCIA CENTRAL Cuado se tee u cojuto de datos cuattatvos que represeta a ua poblacó o a ua muestra, se hace ecesaro obteer a partr de ellos certos valores que descrba su comportameto, y que permta comparar a esta poblacó o muestra co otra, co el objeto de llegar a coclusoes acerca de como es el comportameto de ua co relacó al de la otra. Estos valores cuado se calcula sobre toda la poblacó se deoma Parámetros Poblacoales ; metras que cuado se calcula sobre ua muestra se deoma Estadgrafos o Estadístcos muestrales. La Estadístca Descrptva s embargo, o hace dstcó etre poblacó y muestra, pues su objetvo es smplemete descrbr el comportameto de los datos, y por ese motvo, a estos valores los llama Meddas. Segú sea el aspecto de los datos que se quera aalzar, exste dsttos tpos de Meddas, y e este capítulo se aalzará el prmer grupo de ellas coocdas bajo el ombre de Meddas de Tedeca Cetral. A las meddas de tedeca cetral, també se les suele llamar promedos, so sempre u valor umérco compreddo etre los dos valores extremos, es decr etre el mímo y el máxmo valor de los datos, y se utlza como valor represetatvo de ellos. A cotuacó se estudara las prcpales meddas de tedeca cetral co sus propedades, y mas adelate, se aalzara las vetajas y desvetajas del uso de cada uo de ellos como promedos. V.. La meda artmétca smple. Dado u cojuto de datos cuattatvos s agrupar, x, x,x 3,..., x, se defe como meda artmétca smple X, a su suma dvdda etre el úmero de datos, es decr ; X x x x x La meda artmétca smple es la más coocda y utlzada de las meddas de tedeca cetral, y també se le cooce bajo otros ombres, tales como promedo smple, meda, etc. ; cuado los datos costtuye toda la poblacó, se le llama meda poblacoal y se suele desgar co la letra grega, metras que cuado los datos correspode a ua muestra, se le llama meda muestral. Ejemplo 5. : U alumo obtuvo e los cuatro exámees parcales de ua asgatura, las sguetes calfcacoes : 4, 08, y 8. Calcular la meda artmétca smple de sus calfcacoes. Solucó : X

3 3 Propedades de la meda artmétca smple: Propedad N : S cada uo de los datos es susttudo por la meda artmétca, la suma o se altera, es decr : x + x +x x = X+X+X+... +X = X. Demostracó : Por defcó : X x x x Por lo tato : x + x +x x = X = X+ X+ X X. Esta propedad sgfca que la meda artmétca represeta a los datos e su suma, pues s se susttuye cada uo de los datos por la meda artmétca, la suma o se altera; así por ejemplo, aplcada al caso del Ejemplo 5., sgfca que s el alumo e lugar de haber obtedo las calfcacoes 4, 08, y 8, hubese obtedo ua calfcacó costate de 3 putos e cada uo de los cuatro exámees parcales, al fal del curso, habría acumulado la msma catdad de putos ; o dcho e otras palabras, 3 putos represeta a las calfcacoes obtedas por este alumo, pues para él es dferete obteer 3 putos e cada uo de los exámees, que obteer 4, 08, y 8. Propedad N : El valor de la meda artmétca está sempre compreddo etre el mímo y el máxmo valor de los datos. Demostracó : Supogamos que los datos está ordeados de meor a mayor..., y que por lo tato : x x x 3 x. Por la propedad ateror se tee : X = x + x +x x S e la suma, cada dato es susttudo por el meor valor x, la suma se hace más pequeña, y por tato : X x + x +x x = x X x Aálogamete, s e la suma cada dato es susttudo por el mayor valor x, la suma se hace más grade, y por tato : X x + x +x x = x X x y por lo tato se cocluye e que : x X x Esta propedad de ecotrarse sempre etre el mímo y el máxmo valor de los datos, la tee todas las meddas de tedeca cetral, y por lo tato resulta mposble que al calcular ua meda artmétca, o cualquer otra medda de tedeca cetral, el resultado del cálculo se salga del tervalo de varacó de los datos. Nótese que e el Ejemplo 5., X = 3, que es u valor compreddo etre los dos valores extremos de los datos que so 08 y 8. Esta propedad o garatza s embargo,que el valor de X sea gual a uo de los valores del cojuto de datos, y por ello, es perfectamete posble obteer como valor de X ua cfra o perteecete al cojuto de datos. Así, e el Ejemplo 5., el valor X = 3, o perteece al cojuto de datos que es { 08,, 4, 8 }. Por esta razó, es u error redodear el valor de X a u etero, aú e el caso e que se esté trabajado co datos eteros ; y así por ejemplo s se tee u

4 4 cojuto de datos como {, 5, 6 }, X o tee porque ser redodeado , y este valor Propedad N 3: La suma de las desvacoes de los datos respecto de la meda artmétca sempre se aula. Se defe como desvacó de u dato x respecto de u valor A a la dfereca x - A. Cuado esta dfereca resulta postva, sgfca que el dato es mayor que el valor A ; metras que cuado da egatva, sgfca que el dato x es meor que el valor A. Segú esta propedad cuado A = X, esta suma de desvacoes se aula. Demostracó : Desgado por d a la desvacó de cada dato x respecto de la meda artmétca X, se tee : d = x - X, d = x - X,..., d = x - X. d = (x - X ) + (x - X ) (x - X ) = (x + x x ) - X = 0, por la propedad N. Esta propedad sgfca que la meda artmétca X, se coloca e u puto tal que las suma de las dstacas de los datos que está a su zquerda, es sempre gual a la suma de las dstacas de los datos que está a su derecha. E los datos del Ejemplo 5., { 08,, 4, 8 } dode X = 3 ; los datos a su zquerda 08 y está desvados de ella e -5 y - respectvamete ; metras que los datos a la derecha 4 y 8 está desvados e + y +5 respectvamete. La suma de desvacoes obvamete se compesa pues : = 0. La propedad garatza que la suma de desvacoes da cero, pero o que cada desvacó egatva tedrá otra postva gual e valor absoluto, como e este ejemplo. Cuado se da la crcustaca de este ejemplo, se dce que los datos so smétrcos respecto de la meda artmétca. Ejemplo 5. Dado el cojuto de datos {, 0,, 5, 30 }. Verfcar que la suma de desvacoes respecto de la meda artmétca se aula, y aalzar s la muestra es o o, smétrca respecto de ella Solucó : X =.60 5 Las desvacoes respecto de X so : -9.60, -.60, , 3.40 y La suma de las desvacoes resulta ser cero, tal como garatza la propedad, pero o exste smetría respecto de ella, pues las desvacoes a la zquerda o so guales e valor absoluto a las desvacoes a la derecha. Propedad N 4: La suma de los cuadrados de las desvacoes de los datos es míma, cuado estas desvacoes se calcula respecto de la meda artmétca. Demostracó : Supogamos que se calcula la desvacó de cada dato respecto de u valor cualquera A, y que se efectúa la suma de sus cuadrados. Se tee etoces: ( x A) ; y se pretede demostrar que esta suma es míma, cuado A= X.

5 5 E efecto, sumado y restado X detro de la sumatora, se llega a : [( x X) ( X A)] = [( x X) ( X A) ( x X)( X A)] = ( x X) + ( X A) + ( X A) ( x X) Pero ( x X) = 0, por la propedad N 3, y por tato se cocluye que: ( x A) = ( x X) + ( X A) e dode resulta obvo, que cuado A= X, la suma de los cuadrados de las desvacoes se hace míma, pues el térmo ( X A) se aula. Propedad N 5 : Cuado u cojuto de datos { x, x, x 3,..., x } es sometdo a ua trasformacó leal : Y = a + b X, etoces la meda artmétca queda afectada por esa msma trasformacó leal, es decr : Y= a + bx. Demostracó: Supogamos que por efecto de la trasformacó leal : Y = a+bx, el cojuto de datos { x, x, x 3,..., x } se trasforma e { y, y, y 3,..., y }, e dode y =a + b x. Se tee etoces que : Y y y y = y = ( a bx) a b x = = a +b x = a + bx Como corolaro, se obtee otras dos propedades Propedad N 5.: S a u cojuto de datos se les suma a cada uo, ua costate, etoces la ueva meda es la ateror sumada a esa costate. Este es el caso partcular: b=, dode Y = X + a Y X + a Propedad N 5. : S a u cojuto de datos se les multplca a cada uo por ua costate, etoces la ueva meda es la ateror multplcada por esa msma costate. Este es el caso partcular a = 0, dode Y = b X Y b X Estas propedades tee ua gra aplcacó práctca, pues tal como se aalzó e el capítulo ateror, los cambos de udades e los datos so por lo geeral trasformacoes leales que cosste e multplcarlos por u factor, y segú esta propedad, e estos casos, para calcular la ueva meda basta co multplcar la meda ateror por el factor de coversó. Ejemplo 5.3 : Al medr el dámetro de cco ejes se ecotraro los sguetes resultados expresados e pulgadas :.50,.80,.73,.56 y.6. Calcular la meda artmétca smple de estos datos expresada e cetímetros. Solucó : Exste dos procedmetos: a) Trasformar cada dato a cetímetros, y luego calcularles su meda. El factor de coversó de pulgadas a cetímetros es.54, y por lo tato los datos al trasformarlos resulta : , 7.0, 6.934, y

6 6 La meda artmétca smple de los datos trasformados es e cosecueca: Y = cetímetros. 5 b) Aplcar la propedad N 5, pues la coversó de pulgadas a cetímetros es ua trasformacó leal de la forma : Y =.54 X, y por lo tato: Y.54 X X =.64 Y =.54 (.64 ) = cm. 5 Es de hacer otar que cuado la trasformacó o es leal, la ueva meda o puede ser calculada trasformado la meda ateror, y e cosecueca o es lo msmo por ejemplo, el cuadrado de la meda que la meda de los cuadrados, o el logartmo de la meda que la meda de los logartmos. Ejemplo 5.4 : Dados los sguetes datos ; 3, 5, 8 y. Hallar la meda artmétca de sus cuadrados. Solucó : La trasformacó e este caso es de la forma : Y = X, y para calcular la meda artmétca de sus cuadrados, es ecesaro elevar al cuadrado cada dato Y = = Nótese que: Y X ; pues X = = 7, y = E este caso o se matee la relacó, por o ser leal la trasformacó. Propedad N 6 : S se tee dos cojutos de datos dsjutos (que o tee elemetos comues), el prmero de tamaño co meda artmétca X, y el segudo de tamaño, co meda artmétca X, etoces la meda artmétca de la uó es: X X X. Demostracó : Sea x, x, x,, x el prmer cojuto de datos, y x 3 3, x, x,, x el segudo cojuto de datos. Como por hpótess, o exste elemetos e comú, el úmero total de datos e la uó será : = +, y la meda de la uó será : X x x x x + x + x + + Pero, por la propedad N se verfca : X X X x + x x X x + x + + x X ; tal como se quería demostrar. ; y por lo tato: Por ua demostracó aáloga, esta propedad se puede geeralzar al caso e que se tega k cojutos de datos dsjutos, cada uo co u tamaño y ua

7 7 meda artmétca coocda, y se quera calcular la meda artmétca de su uó, la cual vee dada por la expresó: X X X X k k. Ejemplo 5.5 : Se admstró u msmo exame de Estadístca a dos seccoes. La prmera seccó tea 5 alumos, y su meda resultó ser de,40 putos ; metras que la seguda seccó tea 40 alumos, y su meda fue de 4, 5 putos. Cual es la meda de las dos seccoes e cojuto?. Solucó : Segú la propedad ateror, la meda de todo el grupo de 65 alumos 5(, 40) 40( 4, 5) 880 es de : X = = 3,54. Propedad N 7 : Cuado los datos está agrupados e ua tabla de frecuecas, la meda artmétca se calcula medate la expresó : X k L * f k f = k * f L k * = L h Dode : L * = Puto Medo del tervalo, també llamado Marca de Clase. f = Frecueca absoluta del tervalo. h = Frecueca relatva del tervalo. k = úmero de tervalos. = k f = úmero de datos. Demostracó : La fórmula ateror es obteda como ua aproxmacó a la defcó de Meda Artmétca dada para datos s agrupar. E efecto, tal como se defó aterormete cuado se tee u cojuto de datos s agrupar { x, x,x 3,..., x } : X x x x x. S embargo, tal como se explcó e el Capítulo ateror, al agrupar, se perde la formacó acerca del verdadero valor del dato, y por lo tato o se sabe cual es el valor exacto de cada x, y o es posble calcular exactamete X. Frete a esta stuacó, se hace la sguete aproxmacó : Cada dato se supodrá gual al puto medo de su tervalo de clase, també llamado Marca de Clase. Lo ateror sgfca que s u dato cae e el tervalo [0 ; 0 ), se supodrá que su verdadero valor es 5. Esta aproxmacó se fudameta e el supuesto de que al agrupar, los datos se dstrbuye de maera uforme detro del tervalo, y que por ello se producrá k

8 8 ua compesacó ; pues se ecotrara gual úmero de datos a la zquerda del puto medo, que a su derecha. Al hacer esta aproxmacó, tedremos que cada dato pasa a estar represetado por su marca de clase, es decr : x L * ; y como exste tatos datos detro del tervalo como sea su frecueca, al sumar todos los datos, la marca de clase de cada tervalo se repetrá tatas veces como sea la frecueca del tervalo, y de k L f k allí que: X x x x f Ejemplo 5.6 : La sguete tabla represeta el cotedo e gramos de uos certas cajas de cereal. Cotedo Frecueca 470 a a a a a a a Calcule la meda artmétca de esta dstrbucó de frecuecas. Solucó : Covee orgazar los cálculos de la sguete maera : Límtes de Clase Límtes reales. L * = Marca de Clase f = Frecueca 470 ; ; , ; ; , ; ,50 ; , ; ; ,50 50 ; ; ,50 50 ; ; , ; ; ,00 TOTAL ,00 L * f X = , = 50,7 Método abrevado de cálculo : Cuado o se dspoe de ua buea calculadora para realzar los cálculos, y sempre que la tabla de frecuecas sea co tervalos de gual ampltud, es posble abrevar los cálculos sguedo los sguetes pasos : Paso : Al tervalo de mayor frecueca se le asga marca de clase gual a cero. Paso : A los tervalos aterores al de mayor frecueca, se le asga marcas de clase e forma decrecete -, -, -3 etc., y a los tervalos posterores al de

9 9 mayor frecueca se les asga marcas de clase e orde crecete +, +, +3, etc. Estas marcas de clase artfcales se desgara por U *. Paso 3 : Se calcula U k U * f k f. Paso 4 : La meda de los datos se obtee medate la expresó : X = L * j + c U Dode : L * j = Marca de clase del tervalo de mayor frecueca. c = Ampltud real de los tervalos o Acho de clase. Ejemplo 5.7 : Calcular la meda de los datos del Ejercco 5.6, por el método abrevado. Solucó : E este caso, el tervalo de mayor frecueca es el cuarto, y a él se le asga marca de clase gual a cero. ( E caso de exstr dos o mas tervalos co la mayor frecueca, se puede elegr cualquera de ellos ). Sguedo los pasos explcados, se elabora la sguete tabla: Límtes de Clase Límtes reales U * = Marca de Clase f = Frecueca 470 ; ; ; ; ; ,50 ; ; ; ; ; ; ; ; ; TOTAL U = 80 = ; y teedo e cueta que L * j = 504,50 y que c= 0, se cocluye que : X = 504,50-0,788 (0 ) = 504,50 -,788 = 50,7 Justfcacó teórca del método abrevado : Este método se fudameta e las propedades de la meda artmétca,pues e realdad lo que se ha hecho es ua trasformacó leal de los datos defda por : U X A ; e dode A puede c ser teórcamete cualquer valor, pero que por comoddad de trabajo se toma * como A = L j, marca de clase del tervalo de mayor frecueca, pues de esa maera el úmero más grade que correspode a la mayor frecueca va a quedar multplcada por cero, y todas las demás marcas de clase va a quedar trasformada e úmeros eteros. Calculada la meda U de los datos trasformados, y teedo e cueta que : X = A + c U Por la propedad N 5 : X = A + c U U * f

10 0 V.. La meda artmétca poderada Cuado se calcula ua meda artmétca smple, o se establece ua dscrmacó etre los datos, y a todos ellos se les da la msma mportaca. E muchas aplcacoes práctcas, el vestgador cosdera que certos datos so más mportates que otros, y que por lo tato debe teer ua mayor flueca e el cálculo del promedo que otros. Cuado aparece eta crcustaca, la meda correspodete se deoma Meda artmétca poderada, se desga por Xp, y se defe como : X p x x x = x ; dode 0 Los coefcetes se deoma factores de poderacó, so arbtraros, debe ser postvos, y refleja la mportaca que tee su correspodete dato x detro del cojuto de datos { x, x, x 3,, x }. La dfcultad práctca de ua meda poderada radca precsamete e la eleccó de los factores de poderacó, pues e muchas oportudades esta eleccó es completamete subjetva. Nótese que s se seleccoa guales factores de poderacó para cada dato, la meda artmétca poderada se coverte e ua meda artmétca smple ; es decr, que cuado : = = = etoces Xp = X ; lo que sgfca que la meda artmétca smple es u caso partcular de ua poderada. Otra maera equvalete de defr ua meda artmétca poderada es medate porcetajes de poderacó. E este caso, a cada dato le correspoderá u certo porcetaje de poderacó, que refleja su mportaca detro del cojuto, y la suma de todos estos porcetajes deberá ser 00%. Esta forma de defr la meda artmétca poderada es equvalete a la ateror, pues, partedo de la defcó, podemos escrbr : X x x x p

11 S ahora se defe : j j poderada como : Xp x x x = jxj pues : j j j j j j = ( ) j j j xj =., etoces se tedrá a la meda artmétca j j j, e dode j =, Lo usual es multplcar a j por 00, para expresarlo e porcetaje. Ejemplo 5.8 : U estudate que cursa 3 asgaturas obtuvo las sguetes calfcacoes : Asgatura A : putos, Asgatura B: 6 putos, Asgatura C: putos. a) Calcule la meda artmétca smple de sus calfcacoes. b) Calcule la meda artmétca poderada de sus calfcacoes, tomado como factor de poderacó el úmero de udades crédto que tee cada asgatura, que so 3, y 5 respectvamete. c) Cual es el porcetaje de poderacó que le correspode a cada asgatura? Solucó : a) Al calcular la meda artmétca smple, o se hace dstcó etre la dedcacó que exge cada asgatura, y se supoe todas so de gual grado de 6 dfcultad. X 3 3 b) Al calcular la meda artmétca poderada, se establece ua dscrmacó etre las tres asgaturas, y se supoe que cuatas más udades crédto tega, ( 3) 6( ) ( 5) mas exgete es. X p = c) Los porcetajes de poderacó correspodetes a cada asgatura so : 3 A %=30 % ; B %=0% ; 5 C %=50% Nótese que la meda artmétca poderada també pudera ser calculada aplcado sus porcetajes de poderacó a cada calfcacó. Xp = (0,30) + (0,0) 6 + (0,50) =.30 Ejemplo 5.9 : U comercate le compró u msmo producto a tres proveedores dsttos. Al prmero le compró 300 udades a u preco de Bs. 6 por udad, al segudo 500 udades a Bs cada ua, y al tercero 00 udades a Bs cada ua. Cual es el preco promedo al que este comercate ha adqurdo cada udad del producto?. j

12 Solucó : El comercate compró = 000 udades, y e total pagó por ellas : 300 ( 6.00) (5.80) + 00 (5.00) = Bs ,00. U preco promedo debe terpretarse como u preco tal que s hubese comprado todas las udades a ese msmo preco, etoces hubese tedo que pagar la msma catdad de dero que pagó a preco varable El preco promedo será etoces : X p = Bs por udad. 000 Para el comercate resulta dferete comprar las 000 udades a Bs. 5,35 cada ua, que comprar 300 a Bs. 6.00, 500 a Bs y 00 a Bs es por ello que 5.35 represeta el preco promedo de compra. Nótese que 5.35 es la meda artmétca poderada de los tres precos, tomado como factor de poderacó las respectvas catdades que compró. 300( 6. 00) 500( 5. 80) 00( 5. 00) X p = 5.35 Bs./udad V.3. La meda armóca : Dado u cojuto de datos { x, x, x 3,, x }., todos ellos dferetes de cero, se defe como meda armóca H, al verso de la meda artmétca de sus versos ; es decr : F H G x x x H = x x x La meda armóca es ua medda de tedeca cetral poco utlzada e la práctca, que debe su ombre a las llamadas progresoes armócas, las cuales tee certas aplcacoes e geometría y e la teoría del sodo. Se dce que tres catdades a, b y c está e progresó armóca, cuado: a c a b b c, como por ejemplo 3 4, 3 5,, 3 7 I K J,.... S se da los úmeros a y c, y se quere hallar uo termedo b, que forme progresó armóca co ellos, el resultado coduce a la meda armóca. Este msmo cocepto le da orge al ombre de meda artmétca, pues s se tee dos úmeros a y c, y se quere hallar uo etre ellos b, que forme progresó artmétca, el resultado coduce a : b = a c. Cuado uas catdades está e progresó armóca, sus versos está e progresó artmétca. Cuado se le da dferete mportaca a cada uo de los datos, se obtee la meda armóca poderada H p, que se defe como : Hp ; dode > 0 x x x

13 3 Ejemplo 5.0 : Supogamos que ua persoa tee u presupuesto de Bs mesuales para la compra de u certo artículo, y que el preco utaro de ese artículo varía mesualmete. Supogamos que durate el prmer mes el preco fue de Bs. por udad, e el segudo mes de Bs. 4, el tercero de Bs.5 y el cuarto de Bs.8. Calcule el preco promedo al que esta persoa ha comprado el artículo. Solucó : Debemos eteder por preco promedo, aquel preco que de haberse matedo costate durate el lapso de cuatro meses, le hubese permtdo comprar la msma catdad de artículos. E úmero total de artículos comprados resultó ser : = El total pagado fue : x 4 = El preco promedo es, e cosecueca : = 3,7 Bs./udad Nótese que este preco promedo, correspode a la meda armóca de los precos: H = 3,7 8 Ejercco 5.: U móvl recorre ua dstaca de 600 Km., los prmeros 00 Km., lo hace a ua velocdad de 50 Km./hr., los sguetes 300 Km., a ua velocdad de 50 Km./hr, y los últmos 00 Km. a 80 Km./hr. Cual ha sdo la velocdad meda durate todo el trayecto?. Solucó : La velocdad meda es aquella que de haberse matedo costate durate todo el trayecto, hubese empleado el msmo tempo El tempo total empleado es : t La velocdad meda resulta ser la meda armóca poderada de las velocdades 600 H p = 9,3 Km. /hr Ejercco 5.: Ecuetre la meda armóca para los datos del Ejercco 5.6. E el caso de ua dstrbucó de frecuecas, la marca de clase represeta a todos los datos que cae e el tervalo, y por lo tato cada marca de clase se repte tatas veces como sea la frecueca. La meda armóca de los datos es e cosecueca, la meda armóca poderada de las marcas de clase, tomado como factor de poderacó a su respectva frecueca : H f L f k f k * * * L Lk f

14 4 H = 50,36 V.4. La meda geométrca : Dado u cojuto de datos { x, x, x 3,, x }.,se defe como su meda geométrca, a la raíz eésma de su producto. G x x x El ombre de geométrca, le vee a este tpo de meda, por las llamadas progresoes geométrcas, pues s se tee dos úmeros a y c, y se quere ecotrar u úmero termedo b, que forme ua progresó geométrca co ellos, se obtee que b es ac, es decr la meda geométrca etre ellos. Ua meda geométrca poderada se defe por la sguete expresó: G x x x p La meda geométrca se utlza prcpalmete para promedar e el tempo, porcetajes de varacó sobre u msmo elemeto. Ejercco 5.3: U artículo ha expermetado dversos aumetos de preco a largo de u lapso de 4 años. Supogamos que durate el prmer año sufró u cremeto del 30 %, durate el segudo año u desceso del 0%, durate el tercer año u aumeto del 70%, y durate el cuarto año u cremeto del 0%. Cual ha sdo el porcetaje promedo de varacó teraual expermetado por este producto?. Solucó : U porcetaje promedo de varacó teraual equvale a u porcetaje fjo que de aplcarse cada año, haría que el preco fal del artículo fuese el msmo que a varacoes porcetuales dsttas. Así por ejemplo, s el preco cal de este artículo era P 0, al sufrr el prmer cremeto de 30 % durate el prmer año, su preco será : P = P 0 + 0,30 P 0 =,30 P 0 Al fal del año, su preco será : P =P - 0,0 P = 0,80 P = (0,80)(,30) P 0 Reptedo este procedmeto, para los años 3 y 4, se obtee que el preco al fal del año 4 será : P 4 =(,0) (,70) (0,80)(,30) P 0. S se aplcara u porcetaje fjo del r % cada año, el preco después de cuatro r 4 00 años sería : P 0 ( ). Como lo que se busca es u porcetaje fjo que arroje el msmo preco fal : r 4 r P 0 ( ) = (,0) (,70) (0,80)(,30) P 0 4 ( 0, )( 70, )( 0, 80)( 30, ) de dode r = 8,09 %, que correspode al porcetaje promedo de cremeto teraual, pues s este producto hubese cremetado su preco cada año e 8,09 % ; su preco fal, al cabo de cuatro años, sería el msmo. Ejercco N 5.4: Calcule la meda geométrca para los datos del Ejercco 5.6. E el caso de ua dstrbucó de frecuecas, se supoe que cada dato es gual a la marca de clase del tervalo al que perteece, y por ello al multplcarlos para calcular la meda geométrca, cada marca de clase resulta elevada a su

15 5 frecueca ; de allí que la meda geométrca de la dstrbucó de frecuecas es la meda geométrca poderada de las marcas de clase, tomado a sus frecuecas * f * f * k f como factor de poderacó ; es decr : G ( L ) ( L ) ( L ) k. Para los datos del Ejercco 5.6 : = G ( ) ( ) ( ) ( ) ( ) ( ) ( ) Relacó etre las medas armóca, geométrca y artmétca : Cuado se tee datos postvos, exste ua propedad segú la cual : H G X. La demostracó de esta propedad para el caso geeral de u cojuto formado por datos, requere coocmetos avazados e Calculo dferecal co varas varables para poder resolver u problema de máxmos y mímos codcoados, y se ecuetra e el Apédce de Demostracoes Importates. Ua demostracó partcular, para el caso =, es la sguete : Supogamos ua muestra formada por dos datos postvos x y x. Como: (x - x ) 0 x xx x 0 x x xx Sumado x x a cada lado : x xx x 4 xx ( x x ) 4 x x x x x x xx xx X G. Aálogamete, como : Sumado xx x x xx F HG I 0 x xkj 0 x x x x a cada lado : 4 x x x x x x x x xx x x F HG x x x x 4 x x x x I KJ x x H G y como, ya se había demostrado que : X G, la coclusó es que : H G X. Las tres medas cocde sólo cuado los datos so guales. V.4. Otros tpos de medas : Además de las medas ya mecoadas, exste alguas otras que puede ser obtedas a partr de fórmulas geerales. Ua de estas fórmulas geerales, es la que se atrbuye a los autores Foster y Jorda, que defe como Meda Poderada Geeral de orde r a M pr dada por : M pr r r r x x x r = F HG x r I KJ r

16 6 Esta expresó egloba a todas las medas ya aalzadas, pues el lector puede fáclmete comprobar que el caso r= da la meda artmétca poderada, y s además de r=, todos los so guales, se obtee la meda artmétca smple. El caso r = -, da la meda armóca poderada, o la armóca smple cuado los so guales. U caso especal lo costtuye r= 0, pues se preseta ua determacó de la forma, la cual tee que ser resuelta medate el límte : lm M pr, r 0 obteédose como resultado la meda geométrca poderada, o la meda geométrca smple, segú los sea dferetes o guales respectvamete. El caso r=, da lugar a la meda cuadrátca, que tee certas aplcacoes e Electrcdad, y para r=3, se deoma meda cúbca, las cuales puede ser smples o poderadas, segú sea guales o o, los. Propedades de la meda geeral de orde r La gráfca que muestra, el valor de la meda geeral de orde r, para el caso de datos postvos, es la sguete: a) E esta gráfca puede aprecarse que ua propedad que preseta la meda geeral de orde r, es que para el caso de datos postvos, resulta ser crecete co los valores de r, y de allí se deduce etoces que la meda armóca (r= -) será gual o meor que la geométrca (r=0),y ésta a su vez, gual o meor que la artmétca (r=+), la cual es meor o gual que la cuadrátca (r=+), y así sucesvamete. b) Otra propedad que puede aprecarse e la gráfca, es que el valor de la meda geeral de orde r para el caso de datos postvos, es que su valor sempre se ecuetra compreddo etre los dos valores extremos de los datos, y es por ello que cualquer meda, sempre será ua medda de tedeca cetral. La demostracó matemátca de esta propedad puede ecotrarse e : Desgualdades ( Pag. 6 ) P.P Korovk Leccoes populares de matemátcas. Edtoral MIR. Moscú.

17 7 c) El mímo y el máxmo valor de los datos, represeta asítotas para los valores de la meda geeral de orde r, debdo a que : lm M r = Mímo valor de los datos ; lm M r = Máxmo valor de los datos. r Otra expresó de escaso terés práctco, pero muy curosa y más geeral au que la meda poderada geeral de orde r de Foster y Jorda, es la llamada meda segú la fucó o també -meda, la cual se defe de la sguete maera : S y = (x) es ua fucó moótoa crecete o decrecete detro del tervalo de varacó de los datos { x, x, x 3,, x }, y sedo (y) su fucó versa ; se defe como meda poderada segú la fucó, a M p dada por : M p F HG r ( x ) ( x ) ( x) I KJ, co > 0 Nótese que la meda poderada geeral de orde r, es u caso partcular de ua - meda, cuado (x) = x r. La meda cuadrátca correspode al caso partcular (x) = x, y la meda cúbca a (x) = x 3. Medate la -meda se puede defr medas mucho más geerales como por ejemplo, la meda logarítmca smple, que vedría dada por : (x) = l x, y de allí: M l = e geométrca. l x l x l x, la cual, curosamete cocde co la meda Ejercco 5.5 : Se tee tres cuadrados, cuyos lados mde 3, 0 y. Cual es lado del cuadrado, cuya área es gual a la meda artmétcas de sus áreas?. Solucó : Las áreas de los cuadrados dados so : 3, 0 y respectvamete. 3 0 La meda artmétca de sus áreas es : A. 3 Por lo tato,el lado del cuadrado cuya área es gual a la meda artmétca de las áreas es : L los lados = 8,756 ; que correspode a la meda cuadrátca de V.4. La Medaa : Después de la meda artmétca, la medda de tedeca cetral más mportate es la medaa, la cual se defe de la sguete maera : Dado u cojuto de datos { x, x, x 3,..., x }, la medaa es aquel valor que supera a la mtad de los datos a lo más, y que es superado por la mtad de los datos a lo más. E la defcó ateror, el térmo a lo más expresa u cocepto muy mportate, pues sgfca que detro del cojuto de datos, o puede exstr más del 50 % de datos, que sea estrctamete meores que la medaa, más del 50 % de datos que sea estrctamete mayores que la medaa, y que por lo tato, la medaa esta ubcada e ua poscó tal que por guo de los dos lados se excede este porcetaje del 50%.

18 8 Cálculo de la medaa para datos s agrupar : Para calcular la medaa de u cojuto de datos s agrupar { x, x, x 3,..., x }, segú la defcó ateror, es ecesaro comezar ordeádolos de meor a mayor. Los datos ordeados se desgara por {x ( ), x ( ), x ( 3 ),, x ( ) }, e dode x ( ) represeta el meor valor detro del cojuto de datos, el cual obvamete o tee que cocdr co x, que represeta el valor de la prmera observacó ; x ( ) represeta el segudo meor valor, y así sucesvamete hasta x ( ) que represeta el mayor valor. Ua vez ordeados los datos, para calcular la medaa, hay que dstgur dos casos: Caso : es mpar. E este caso, la medaa es el valor que ocupe la poscó, ua vez ordeados de meor a mayor, es decr : Med x. Ejemplo 5.6 : Los pesos de oce persoas, expresados e klos, fuero : 84, 59, 73, 66, 7, 95, 68, 7, 64, 66 y 70. Hallar la medaa. Solucó : Se comeza ordeado los datos de meor a mayor. E caso de empate, el dato queda repetdo tatas veces como aparezca. E este caso, al ordear resulta : 59, 64,66, 66, 68, 70, 7, 7, 73, 84 y 95. Al teer datos, la medaa es el valor que ocupe la sexta poscó, es decr 70, por ser el úco que cumple co la defcó. E efecto, por debajo de 70 ecotramos 5 datos, lo que represeta meos del 50%, y por ecma de 70 ecotramos també 5 datos, que es meos del 50 %. Al o excederos del 50 % por guo de los dos lados, se cumple co la defcó. Cualquer otro valor dferete de 70, o cumplría co la defcó ; y así por ejemplo, u valor como 7 tedría por debajo de él a 6 datos, y u valor como 68 tedría por ecma de él també a 6 datos, que represeta más del 50 %. E este caso, la medaa es úca, y su valor es 70. Caso : es par. Ates de comezar el aálss de este caso, es mportate aclarar que el valor de ua medda de tedeca cetral o tee ecesaramete que perteecer al cojuto de datos, y así por ejemplo, cuado se calcula el valor de ua meda, el resultado puede o ser del cojuto. La úca lmtacó que tee ua medda de tedeca cetral, es que debe estar etre los dos valores extremos, y así por ejemplo, cuado calculamos la meda artmétca de los datos : 3, 7 y 7, el resultado es 9, que u valor o perteecete al cojuto de datos, pero s compreddo e el tervalo [3 ; 7]. Esta aclaratora es mportate hacerla, pues como se verá a cotuacó, e este caso, es posble, que la medaa o perteezca al cojuto de datos. Cuado el úmero de datos es par, la medaa se determa medate la semsuma de los valores que ocupe las poscoes de meor a mayor ; es decr : y + ua vez ordeados

19 9 x x Med Ejemplo 5.7 : Los sguetes datos represeta el vel de colesterol e sagre de catorce persoas : 68, 06, 5, 70, 50, 9, 3, 53, 4, 37, 54, 38, 80 y 73. Hallar la medaa. Solucó : Se ordea de meor a mayor, obteedo : 5, 38, 4, 50, 53, 68, 73, 80, 9, 06, 37, 54, 70 y 3. Como exste catorce datos, los dos cetrales, so el séptmo y el octavo, que correspode a los valores 73 y 80 respectvamete La medaa es etoces : Med = 76,50. La justfcacó del procedmeto ateror es la sguete : Al aplcar la defcó de medaa, se ecuetra que el valor 73 la cumple, pues supera a 6 datos de 4, y es superado por 7 datos de 4, o excedédose así del 50 % por guo de los dos lados. S embargo, el valor 80 també cumple co la defcó, pues supera a 7 de 4 y es superado por 6 de 4. Además cualquer valor etre 73 y 80, auque o perteezca al cojuto de datos, puede ser medda de tedeca cetral, y també cumple la defcó ; ya que por ejemplo, u valor como 75, supera a 7 datos de 4, y es superado por 7 de 4, o excedédose del 50 % por guo de los dos lados. Lo ateror sgfca etoces, que e el caso par, a meos que exsta empate etre los dos valores cetrales, exste ftas medaas que so todos los valores compreddos e el tervalo [x,x ], y de allí etoces que se tome como medaa al valor cetral de este tervalo: x x. Cálculo de la medaa para datos agrupados : Cuado los datos está agrupados e ua tabla de frecuecas, la determacó de la medaa es completamete dferete, y puede ser hecha por procedmetos gráfcos o por procedmetos aalítcos.

20 0 Gráfcamete, la medaa puede ser ecotrada, etrado e la Ojva de frecuecas relatvas porcetuales, co el 50 %, y el valor correspodete sobre el eje horzotal será la medaa, pues supera al 50 % de los datos, y es superado por el otro 50%, tal como se muestra e la fgura : Este procedmeto gráfco puede resultar algo cómodo, pues oblga a costrur la ojva a escala. Para determar exactamete el valor de la medaa, puede aplcarse la sguete fórmula, la cual es obteda por terpolacó leal sobre la Ojva : F Medaa = L c f Dode : L - = Límte feror del tervalo dode cae la medaa. F - = Frecueca absoluta acumulada hasta el tervalo ateror. f = Frecueca absoluta del tervalo dode cae la medaa. c = Acho de clase. = k f = Número de datos. Demostracó de la fórmula : Supogamos que se tee ua tabla de frecuecas co k tervalos de gual ampltud, y que el 50 % de frecueca relatva porcetual acumulada se alcaza e el tervalo, cuyos límtes de clase so [L - ; L ), tal como se muestra a cotuacó :

21 Al hacer la terpolacó leal, se tee por semejaza de trágulos que : AD DE ADE ABC AD DE AB BC BC AB Pero : DE = 50% - H - BC = H - H - = h ; pues la dfereca etre las frecuecas porcetuales acumuladas etre dos límtes de clase cosecutvos, es la frecueca relatva porcetual del tervalo. AB = c = Acho de clase. Susttuyedo se tee etoces : Medaa = L - + AD = L % H c h Al multplcar el umerador y el deomador de la fraccó por, y teedo e cueta que ua frecueca relatva multplcada por el úmero de datos, da como resultado la frecueca absoluta, se obtee : Medaa = L - + ( 50% H ) F c = L c ; que correspode justamete a h f la fórmula que se pretedía demostrar. E ocasoes, puede resultar más coveete utlzar la expresó e fucó de las frecuecas relatvas : Medaa = L % H c h Ejemplo 5.8 : Calcular la medaa de los datos del Ejercco 5.6. Solucó : Para calcular la medaa, es ecesaro completar la tabla, co las frecuecas absolutas y relatvas porcetuales acumuladas, tal como se muestra a cotuacó : Límtes de clase Límtes Reales f F h % H % 470 ; ; ,44 4,44

22 480 ; ; ,56 5, ; ,50 ; , 4, 500 ; ; ,56 7,67 50 ; ; , 88,89 50 ; ; ,78 96, ; ; ,33 00, ,00 Para detfcar el tervalo dode cae la medaa, es precso aalzar la tabla de frecuecas relatvas porcetuales acumuladas, y el tervalo e dode se alcace ua frecueca relatva porcetual acumulada del 50%, ese es el que cotee a la medaa. Nótese que el cuarto tervalo, cuyos límtes reales so 499,50 y 509,50 es dode se ubca la medaa, pues por debajo del límte real feror se ecuetra el 4, % de los datos, y por debajo del límte real superor el 7,67 %. Para calcular exactamete el valor de la medaa, es ecesaro repetr el proceso de terpolacó descrto e la demostracó geeral, y aplcar cualquera de las dos fórmulas obtedas. S se aplca la fórmula basada e las frecuecas relatvas porcetuales acumuladas : Medaa = L % H 50% 4%, c = 499, = 50,4 h 30, 56% S se aplca la fórmula basada e las frecuecas absolutas acumuladas: 80 F 74 Medaa = L c = 499, = 50,4 f 55 Auque estas dos expresoes so matemátcamete equvaletes, la seguda, basada e las frecuecas absolutas acumuladas, es desde el puto vsta práctco, más cómoda de aplcar, pues o ecesta calcular las frecuecas relatvas. Cuado se aplca esta seguda fórmula, y o se calcula las frecuecas relatvas porcetuales acumuladas, para detfcar el tervalo dode cae la medaa, es ecesaro ubcar el tervalo dode se alcaza la mtad acumulada del úmero total de datos. E el ejemplo ateror, la mtad acumulada, es decr 90, se alcaza e el 4 tervalo, pues hasta el 3 hay ua frecueca acumulada de 74, y hasta el límte superor del 4 tervalo, la frecueca acumulada es de 9. Propedades de la medaa ) La medaa es ua medda de tedeca cetral que o se ve afectada por los valores extremos de los datos, pues solamete toma e cueta al valor

23 3 cetral ( mpar ), o a los dos valores cetrales ( par ), s cosderar para ada a los demás valores. Esta propedad hace que la medaa sea u promedo muy recomedable e aquellas muestras e dode exste valores completamete atípcos, fuera de escala, que puede desvrtuar el uso de la meda artmétca como promedo. Así por ejemplo, s teemos u grupo de cco persoas, cuyo vel de gresos mesuales es de $ 700, $.000, $.00, $.600 y $ 5.500, tedríamos que X = $ mesuales, lo que sería u promedo poco represetatvo de los gresos de estas cco persoas, pues cuatro de ellas, que represeta u 80% de los datos, se ecuetra por debajo de dcho valor. La medaa e cambo, cuyo valor e este caso es.00, es u promedo mucho más represetatvo. ) E el caso de datos agrupado, la medaa represeta geométrcamete, la abscsa correspodete a la recta vertcal, que dvde al hstograma e dos partes de gual área. 3 ) La suma de las desvacoes absolutas de los datos es míma, cuado estas desvacoes se calcula respecto de la medaa. Segú esta propedad, cuya demostracó matemátca se ecuetra e el aexo, s se tee u cojuto de datos { x, x, x 3,..., x }, la suma : f(t) = x t míma, cuado e valor de la varable t cocde co la medaa. Ejemplo 5.9 : Sobre ua carretera recta vve cco persoas. La prmera persoa vve e el klómetro 5 de dcha carretera, la seguda e el klometro, la tercera e el klómetro 5, la cuarta e el klometro 30 y la quta e el klometro 43. Dode debe reurse estas cco persoas, para que la suma de las dstacas recorrdas por ellas, sea lo meor posble?. Solucó : S estas persoas decde reurse e el klometro t, la suma de las dstacas recorrdas por ellas va a ser ua fucó de t, defda por : f(t) = 5 -t + - t + 5 -t t t Segú la propedad ateror, esta suma es míma cuado t es la medaa etre los cco valores, es decr cuado t = 5. E coclusó, para mmzar la suma de las dstacas recorrdas por estas cco persoas, debe reurse e el klometro 5, casa de la tercera persoa., es

24 4 Cuado se reúe e el klometro 5, la suma de las dstacas recorrdas por las cco persoas es : f(5) = = 56 klómetros S se reuera e cualquer otro puto dferete del klómetro 5, como pudera ser, por ejemplo, la meda artmétca de los klómetros : X =, la suma de las dstacas recorrdas sería mayor. f() = = 6 klómetros V.5. La Moda : La moda, o també llamado modo, es otra medda de tedeca cetral, que para el caso de u cojuto de datos o agrupados { x, x, x 3,..., x }, se defe como aquel valor que más se repte. La defcó ateror sgfca, que s se tee u cojuto de datos s agrupar, para determar su moda, es ecesaro cotar cuatas veces se repte cada valor, y aquel que presete la mayor frecueca, es por defcó la moda. Ejemplo 5.0 : E u exame de Estadístca, presetaro 60 alumos, y sus calfcacoes e ua escala de 0 putos fuero : Hallar la moda. Solucó : Hay que cotar cuatas veces se repte cada calfcacó, y elaborar la correspodete tabla de frecuecas s agrupar. Calfcacó Frecueca E la tabla puede aprecarse que la mayor frecueca que es 0, correspode a la calfcacó de putos ; y por tato la moda, M d =. El uso de la moda como promedo, puede presetar el coveete de que ésta puede o ser úca e caso de que se presete empates e la mayor frecueca. E estos casos, se dce que la dstrbucó de frecuecas es multmodal, y puede resultar bmodal, trmodal, etc., segú sea el úmero de valores, cuyas frecuecas resulte empatadas co la máxma frecueca. E casos como el del Ejercco 5.0, e dode la moda es úca, se dce que la dstrbucó es umodal. Cuado los datos está agrupados, el cálculo de la moda camba radcalmete, y sólo puede ser obteda de forma aproxmada. Ates de aalzar como se determa la moda e el caso de datos agrupados, es ecesaro revsar alguos coceptos prevos, como so el de máxmo relatvo, y el de curva de frecuecas. Segú el Cálculo Dferecal, cuado de tee ua fucó cotua y = f(x), defda e u tervalo a x b ; se dce que la fucó alcaza u máxmo relatvo e u puto x = x 0, cuado el valor de la fucó e x o, es sempre mayor que los valores de la fucó, para los putos perteecetes a u etoro de x 0. E la gráfca sguetes exste dos máxmos relatvos, que se alcaza e las abscsas x = x y x = x.

25 5 E el Capítulo IV, se explcó que los llamados Polígoos de frecuecas, a medda que se va reducedo la ampltud del tervalo, da lugar a ua curva. Esta curva represeta la poscó límte del polígoo de frecuecas, y recbe el ombre de curva de frecuecas, tal como se muestra e la fgura : Las formas más comues de las curvas de frecueca so : E el caso de curvas de frecuecas, la moda represeta la abscsa correspodete a u puto de máxmo relatvo, y puede exstr varas, tal como se muestra e la sguete fgura:

26 6 Se suele llamar atmoda, a las abscsas correspodetes a los mímos relatvos. Para determar las posbles modas que puede teer ua curva de frecuecas, es ecesaro coocer su ecuacó, para dervarla e gualar su prmera dervada a cero. La Estadístca Matemátca, proporcoa dferetes modelos teórcos para curvas de frecueca, que recbe el ombre de Curvas cotuas de probabldad, e dode es posble determar su moda por el procedmeto de dervacó descrto aterormete, y el cual escapa de los fes de la Estadístca Descrptva. Cuado los datos está agrupados e ua tabla de frecuecas, lo que se tee es el polígoo, pero o la ecuacó exacta de la curva de frecuecas, y por ello, los métodos para determar la moda so aproxmacoes que tee como objetvo, la ubcacó aproxmada, o u proóstco, de los putos dode dcha curva alcaza sus máxmos relatvos. E el caso de tablas de frecuecas de gual ampltud, se defe como clase modal, a aquel tervalo que tega la máxma frecueca. E el caso de tablas de frecuecas co dferete ampltud, la clase modal es aquella cuyo rectágulo e el hstograma tega la máxma altura, que correspode a la clase co la mayor desdad de frecuecas. Evdetemete, la moda estará detro de la clase modal, pero dado que puede exstr varas modas, además de la clase modal es ecesaro verfcar e el hstograma, s exste otros tervalos que tega a su zquerda y a su derecha, tervalos de meor altura. Estos tervalos, s exste, se deoma tervalos modales, y e ellos també exste otras modas. E el caso de exstr varas modas, alguos autores, hace dstcó etre moda mayor, prcpal o valor domate que se refere al puto dode la curva de frecuecas alcaza su máxmo absoluto, y modas meores o secudaras, para señalar los putos dode la curva de frecuecas alcaza sus otros máxmo relatvos. Geeralmete cuado ua dstrbucó de frecuecas preseta varas modas, es porque los datos o ha sdo be clasfcados, y se está cosderado e ua msma tabla, datos proveetes de dferetes poblacoes. Evdetemete, la moda debe ser u puto detro de la clase modal, pero el problema que se preseta es como ubcarlo?.

27 7 Alguos textos elemetales de Estadístca Descrptva, resuelve el problema tomado como moda al puto medo de la clase modal, es decr a su marca de clase. Esta solucó o es s embargo la más exacta, pues al trazar la curva de frecuecas, la moda debe ecotrarse más cerca del tervalo adyacete que tega mayor altura. E la gráfca puede aprecarse que s el tervalo a la derecha del tervalo modal tee mayor altura que el de la zquerda, etoces la moda debe estar mas cerca del tervalo derecho que del zquerdo, y por lo tato tomar como moda al puto medo del tervalo modal es ua solucó muy aproxmada al problema. Para ubcar a la moda de ua maera más precsa, exste dos métodos, ambos aproxmados, y que se fudameta e ua terpolacó. Método : Dvdr el tervalo modal e dos segmetos, que guarde relacó drecta co las dferecas etre la frecueca del tervalo modal y las frecuecas de sus tervalos adyacetes. Segú este método, la moda se determa por la expresó sguete : Moda = M d = L c La deduccó de esta fórmula aparece e el Aexo, y se demuestra que la moda correspode al puto dode u arco de parábola que aproxma a la curva de frecuecas, alcaza su máxmo. E el caso de tervalos de dferete ampltud, y o represeta dferecas de frecuecas, so dferecas de alturas ; pero e este caso, ya o cabe la

28 8 terpretacó de la moda, como puto dode arco de parábola alcaza su máxmo. Ejemplo 5. : Ecotrar la moda de la sguete dstrbucó de frecuecas: Itervalo Frecueca Solucó: Al costrur hstograma correspodete a esta tabla de frecuecas, o hay que olvdar lo explcado e el Capítulo IV, de tomar e cosderacó los límtes reales, pues de lo cotraro quedaría espacos vacíos que terrumpe la cotudad de la curva de frecuecas. E este caso, exste sólo u tervalo modal, que es el tercero, pues es el úco tervalo teror que tee a su zquerda y a su derecha tervalos de meor frecueca. Este úco tervalo modal es a su vez, la clase modal, por teer la máxma frecueca. Al exstr u úco tervalo modal, la dstrbucó de frecuecas es umodal. c = Acho de clase = Dfereca etre límte real superor e feror = 0 L = Límte real feror del tervalo modal = 9.50

29 9 = Dfereca de frecuecas a la zquerda del tervalo modal = 0 - = 8 = Dfereca de frecuecas a la derecha del tervalo modal = 0-0 = 0 M d = = Ejemplo 5. : E u parque de atraccoes se mdó la estatura de las persoas cocurretes, s dscrmar etre ños y adultos, ecotrádose la sguete tabla de frecuecas : Estatura ( cetímetros) Frecueca Determar las modas. Solucó : El hstograma correspodete es : La clase modal es la séptma pues es la que preseta mayor frecueca, pero exste dos tervalos modales, el segudo y el séptmo, pues la frecueca de cada uo de ellos es mayor que la de sus adyacetes, y por lo tato la dstrbucó de frecuecas es bmodal. Para calcular la prmera moda, que correspode al puto dode se alcaza el máxmo relatvo ubcado e el segudo tervalo, se tee : c = 0 ; = 75 - = 63 ; = = 5 ; L = M d = 75.65

30 30 Para calcular la seguda moda, que correspode al puto dode se alcaza el máxmo relatvo ubcado e el séptmo tervalo, se tee : c = 0 ; = 5-86 = 9 ; = 5-8 = 07 ; L = M d = E u caso como este, la preseca de dos modas dca que los datos o fuero debdamete clasfcados, pues s se hubese tomado estaturas de ños por u lado, y de adultos por el otro, muy seguramete esta stuacó o se hubese presetado, y cada grupo sería umodal. Método : Este otro método para determar aproxmadamete a la moda, cosste e dvdr al tervalo modal e dos segmetos que esté e razó versa a las alturas de las clases adyacetes. El tervalo modal, cuya ampltud es c, queda dvddo e dos segmetos de ampltudes x y c - x. S la frecueca del tervalo a la zquerda es meor que la del tervalo a la derecha, x deberá ser mayor que c-x, para que la moda quede más cerca del de la derecha, y vceversa. E cosecueca, x y c-x, debe guardar relacó versa co las alturas de las x f clases adyacetes que so f - y f + c x f f Al despejar x se obtee : x = c f f y por lo tato la fórmula de cálculo para la moda, por este segudo método vee dada por : M d = L + x M d = L + f f f c E dode : L = Límte feror del tervalo modal.

31 3 f - = frecueca del tervalo a la zquerda del tervalo modal f + = frecueca del tervalo a la derecha del tervalo modal c = Ampltud del tervalo modal. E el caso de que la tabla de frecuecas o tega tervalos de gual ampltud ; las alturas de los rectágulos que coforma el hstograma, ya o so las frecuecas, so la desdad de frecuecas, y por lo tato la clase modal ya o ecesaramete es la de mayor frecueca, so la de mayor desdad de frecuecas, y los tervalos modales so aquellos tervalos que tega como tervalos adyacetes, a tervalos de meor desdad de frecuecas que él. E el caso de tervalos de dferete ampltud, la expresó que permtrá calcular la moda será etoces : M d = L + f c f c f c c E dode : L = Límte feror del tervalo modal. f - = frecueca del tervalo a la zquerda del tervalo modal f + = frecueca del tervalo a la derecha del tervalo modal c = Ampltud del tervalo modal. c - = Ampltud del tervalo a la zquerda del tervalo modal c + = Ampltud del tervalo a la derecha del tervalo modal Ua crítca que se le suele hacer a este método es que o toma e cueta a la altura de la clase modal, y quzás por esta razó, el otro método basado e las dferecas de altura, está más dfuddo. Ejemplo 5.3: Recalcular la moda del Ejercco 5. por el Método. Solucó : E este ejemplo, la dstrbucó es umodal, y se tee : L = 9.50 ; f - = ; f + = 0 ; c= 0 M d = = Los resultados obtedos por ambos métodos o tee porque cocdr, pues so aproxmacoes obtedas por dferetes crteros, al puto dode se alcaza el máxmo relatvo, e la curva de frecuecas. Ejemplo 5.4: Recalcular las modas del Ejercco 5., por el Método. Solucó : E este caso, la dstrbucó es bmodal, y para la prmera moda se tee: L = ; f - = ; f + = 60 ; c= 0 60 M d = = metras que para la seguda : L = ; f - = 86 ; f + = 8 ; c= 0

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

1 ESTADÍSTICA DESCRIPTIVA

1 ESTADÍSTICA DESCRIPTIVA 1 ESTADÍSTICA DESCRIPTIVA 1.1 OBJETO DE ESTUDIO Y TIPOS DE DATOS La estadístca descrptva es u cojuto de téccas que tee por objeto orgazar y presetar de maera coveete para su aálss, la formacó coteda e

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

PROBABILIDAD Y ESTADÍSTICA APLICADA

PROBABILIDAD Y ESTADÍSTICA APLICADA UNIVERSIDAD ORT Uruguay Facultad de Igeería Berard Wad - Polak PROBABILIDAD Y ESTADÍSTICA APLICADA NOTAS DE CLASE DEL CURSO DE LA Lcecatura e Sstemas FASCÍCULO Prof. Orual Ada Cátedra de Matemátcas Año

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

MEDIDAS RESUMEN OBJETIVOS. Al término de la unidad el alumno podrá:

MEDIDAS RESUMEN OBJETIVOS. Al término de la unidad el alumno podrá: 3 MEDIDAS RESUMEN OBJETIVOS Al térmo de la udad el alumo podrá: 3. Compreder las meddas como ua herrameta más que descrbe los datos obtedos e ua vestgacó socal o de la vda dara. 3. Compreder los sgfcados

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información MATEMÁTICA Udad 4 Resolvamos desgualdades Iterpretemos la varabldad de la formacó Objetvos de la Udad: Propodrás solucoes a problemas relacoados co desgualdades leales y cuadrátcas; y represetarás los

Más detalles

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

Más detalles

ANGEL FRANCISCO ARVELO LUJAN

ANGEL FRANCISCO ARVELO LUJAN ANGEL FRANCISCO ARVELO LUJAN Agel Fracsco Arvelo Lujá es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 40 años de expereca e las más recoocdas uversdades del área metropoltaa

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA ANÁLISIS DESCRIPTIVO TEMA DE VARIABLES CUANTITATIVAS 4..Itroduccó 4..Propedades estadístcas de las varables cuattatvas 4.3. Descrpcó de muestras pequeñas 4.3.. Herrametas para el aálss gráfco 4.3.. Herrametas

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

Estadistica Descriptiva

Estadistica Descriptiva Estadstca Descrptva Marques de Catú, María José (990). Probabldad y Estdístca para Cecas Químco-Bológcas, Méxco, D. F.: Mc. Graw Hll. pp. 74-7. ORGANIZACIÓN Y REPORTE DE DATOS: TABLAS Y GRÁFICAS Los datos

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 47 Meddas Descrptvas Numércas Frecuetemete ua coleccó de datos se puede reducr a ua o uas cuatas meddas umércas secllas que resume al cojuto

Más detalles

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

Más detalles

I n t r o d u c i ó n A l a E s t a d í s t i c a 1

I n t r o d u c i ó n A l a E s t a d í s t i c a 1 Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar

Más detalles

Análisis de un circuito RC con resistencia no lineal

Análisis de un circuito RC con resistencia no lineal Aálss de u crcuto RC co ressteca o leal Joaquí Castro Z, Lucas Provezao & Emlo F. Restell () Facultad de Igeería, Cecas Exactas y Naturales, Uversdad Favaloro. joaqu_882@hotmal.com, lucasprovezao@hotmal.com,

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

ANGEL FRANCISCO ARVELO LUJAN

ANGEL FRANCISCO ARVELO LUJAN ANGEL FRANCISCO ARVELO LUJAN Agel Fracsco Arvelo Lujá es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 0 años de expereca e las más recoocdas uversdades del área metropoltaa

Más detalles

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS. 1. Dstrbucoes Bdmesoales de Frecuecas. 1.1. Idepedeca y Relacó Fucoal de dos Varables. 1.. Tablas de Correlacó y de Cotgeca. 1.3. Dstrbucoes Margales. 1.4. Dstrbucoes Codcoadas. 1.5. Idepedeca Estadístca..

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

. Usaremos una vía algebraica y una geométrica que nos

. Usaremos una vía algebraica y una geométrica que nos Título: La desgualdad etre la meda artmétca y geométrca e problemas de olmpadas. Resume: E el presete artículo se pretede mostrar la utldad de ua desgualdad ta elemetal como la relacó etre las medas artmétca

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado

Más detalles